2. La réforme des retraites à l’Assemblée Nationale#
2.1. Introduction#
Si le gouvernement a utilisé l’article 49.3, la loi a toute fois était débattu en première lecture à l’assemblée nationale du 6 février au 17 février. Depuis 2017, il est possible d’avoir accès sur le site de l’assemblée national au retranscription des séances publiques de l’Assemblée Nationale. A ce jour, il n’existe pas de solutions pour télécharger ces transcriptions dans un (ou plusieurs) fichiers de données (csv, xlsx, etc…). Une des possibilités est d’utiliser le web-scrapping qui consiste à extraire des informations directement du code HTML d’une page web. Ici, ces pages webs correspondront aux transcriptions de chaque séances. Le script Python pour scrapper le site de l’assemblée nationale est disponible ici.
2.2. Chargement des données#
Pour commencer, nous chargeons plusieurs modules/librairies permettant de charger les données et produire les différentes visualisations.
import pandas as pd
import plotly.express as px
from lib.figures import *
from lib.constant import *
from lib.utils import *
from bokeh.io import output_notebook
output_notebook(hide_banner=True)
Une fois le chargement des modules effectués, nous chargons les données dans la dataframe (ou table de données) parlement_df.
parlement_df = pd.read_parquet('data/parlement_retraite_data.parquet_v2')
parlement_df = parlement_df[~(parlement_df.groupe_sigle == "UNKNOWN")]
parlement_df["is_keywords_label"] = parlement_df.is_keywords.apply(lambda x: "Oui" if x else "Non")
parlement_df["len_intervention"] = parlement_df.full_text.str.split(" ").apply(len)
parlement_df.head()
| legislature | date | numero_seance | nom_president_e | id_president_e | section | subsection | full_text | timestamp | speaker_name | username | groupe_sigle | lemmatization | keywords_detected | is_keywords | is_keywords_label | len_intervention | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 87 | 16 | 2023-02-06 | 131 | Présidence de Mme Yaël Braun-Pivet | 2998142 | Projet de loi de financement rectificative de ... | L’ordre du jour appelle la discussion du proje... | 2166.84 | Mme la présidente | yael-braun-pivet | REN | l’ ordre de jour appeler le discussion de proj... | [loi, sécurité social, financement, social, lo... | True | Oui | 35 | |
| 88 | 16 | 2023-02-06 | 131 | Présidence de Mme Yaël Braun-Pivet | 2998142 | Projet de loi de financement rectificative de ... | Non, pas question ! | 2173.41 | Mme Danièle Obono | daniele-obono | LFI | non , pas question ! | [] | False | Non | 3 | |
| 89 | 16 | 2023-02-06 | 131 | Présidence de Mme Yaël Braun-Pivet | 2998142 | Projet de loi de financement rectificative de ... | Non, ça ne va pas se passer comme ça ! Vous n’... | 2173.59 | M. Louis Boyard | louis-boyard | LFI | non , cela ne aller pas se passer comme cela ... | [] | False | Non | 14 | |
| 90 | 16 | 2023-02-06 | 131 | Présidence de Mme Yaël Braun-Pivet | 2998142 | Projet de loi de financement rectificative de ... | Présentation | La parole est à M. le ministre du travail, du ... | 2174.35 | Mme la présidente | yael-braun-pivet | REN | le parole être à m. le ministre de travail ,... | [travail, plein emploi, loi] | True | Oui | 61 |
| 91 | 16 | 2023-02-06 | 131 | Présidence de Mme Yaël Braun-Pivet | 2998142 | Projet de loi de financement rectificative de ... | Présentation | Suspension ! La suspension est de droit ! | 2179.38 | M. André Chassaigne | andre-chassaigne | GDR | suspension ! le suspension être de droit ! | [] | False | Non | 6 |
average_number_of_words_per_intervention(parlement_df)
intervention_frequency_per_group(parlement_df)
2.3. Analyse des mots-clés#
2.3.1. Quels mots-clés ?#
Les mots clés sont identifiés parmi différentes extractions automatiques. La première est en utilisant l’outil Biotex1 qui extrait des mots-clés à l’aide de motifs syntaxiques identifiées dans des corpus. La seconde correspond à une extraction de n-grammes, ou séquences de mots, qui se répètent souvent.
L’ensemble des mots-clés sont listés dans la table ci-dessous.
keyword_df = pd.read_excel("data/keywords_selected.ods",index_col=0)[["term"]]
datatable_from_pandas(keyword_df)
2.3.2. Proportion des interventions contenant des mots-clés#
fig_parl = px.histogram(parlement_df,
x="groupe_sigle",
pattern_shape="is_keywords_label",
labels={"count":"","groupe_sigle":"Groupe Politique","is_keywords_label":"Présence de mots-clés"},
color_discrete_map=gp_politique_color, color="groupe_sigle")
fig_parl.update_layout(yaxis_title="# Interventions")
2.3.3. Distribution des mots-clés par groupe parlementaire#
from bokeh.models import TabPanel, Tabs
df = getCountDataframe(parlement_df,top_n=10)
tab1 = TabPanel(child=occurrenceDistributionPerGroupePolitique(df[df.num_words == 1]), title="1 mot")
tab2 = TabPanel(child=occurrenceDistributionPerGroupePolitique(df[df.num_words == 2]), title="2 mots")
tab3 = TabPanel(child=occurrenceDistributionPerGroupePolitique(df[df.num_words == 3]), title="3 mots")
show(Tabs(tabs=[tab1, tab2,tab3],sizing_mode ="stretch_width"))
2.3.4. Distribution des mots-clés par orientation politique#
Show code cell source
pd.DataFrame(list(droite_ou_gauche_centre.items()),columns="Groupe Parlementaire,Orientation".split(","))
| Groupe Parlementaire | Orientation | |
|---|---|---|
| 0 | GOV | centre |
| 1 | SER | gauche |
| 2 | LFI | gauche |
| 3 | GDR | gauche |
| 4 | ECO | gauche |
| 5 | NI | aucun |
| 6 | UDI | droite |
| 7 | LREM | centre |
| 8 | MODEM | centre |
| 9 | LIOT | droite |
| 10 | RN | droite |
| 11 | LR | droite |
| 12 | SOC | gauche |
| 13 | HOR | centre |
| 14 | AE | droite |
| 15 | LT | droite |
| 16 | REN | centre |
| 17 | RRDP | gauche |
from bokeh.models import TabPanel, Tabs
df = getCountDataframe(parlement_df,top_n=10)
tab1 = TabPanel(child=occurrenceDistributionPerPolitiqueOrientation(df[df.num_words == 1]), title="1 mot")
tab2 = TabPanel(child=occurrenceDistributionPerPolitiqueOrientation(df[df.num_words == 2]), title="2 mots")
tab3 = TabPanel(child=occurrenceDistributionPerPolitiqueOrientation(df[df.num_words == 3]), title="3 mots")
show(Tabs(tabs=[tab1, tab2,tab3],sizing_mode ="stretch_width"))
- 1
Juan Antonio Lossio-Ventura, Clement Jonquet, Mathieu Roche, Maguelonne Teisseire. BIOTEX: A system for Biomedical Terminology Extraction, Ranking, and Validation. ISWC: International Semantic Web Conference, Oct 2014, Riva del Garda, Italy. pp.157-160. Version Python